Python 具有多级索引的sawp列

这就是我从csv文件中读取数据时的样子，我使用多级索引（体型和支出）读取数据

我想要的是有一个“年”列，支出中的所有值都应该显示为单独的列。基本上，我想用“年”来交换“支出”

最终数据应该如下所示

我找到了一种方法，但似乎效率不高。我想知道有没有更好更干净的方法？我看到了一些pd.swapaxes（）的示例，但无法使其正常工作

以下是我使用的代码：

d = [
    ["Small Narrowbodies", "TotalExpenses", "2326550.00", "2566989.00", "2710156.00"],
    ["Small Narrowbodies", "Pilots (000)", "583404.00", "627762.00", "669258.00"],
    [
        "Small Narrowbodies",
        "Salaries and Wages (000)",
        "432613.00",
        "469059.00",
        "515538.00",
    ],
    ["Small Narrowbodies", "Pilot Training (000)", "28235.00", "22388.00", "23838.00"],
    [
        "Small Narrowbodies",
        "Benefits and Payroll Taxes (000)",
        "77752.00",
        "87128.00",
        "77679.00",
    ],
    [
        "Small Narrowbodies",
        "Per Diem/ Personnel (000)",
        "44804.00",
        "49187.00",
        "52203.00",
    ],
    [
        "Small Narrowbodies",
        "Purchased Goods (000)",
        "627471.00",
        "792582.00",
        "772448.00",
    ],
    ["Small Narrowbodies", "Fuel/Oil (000)", "559698.00", "684007.00", "670673.00"],
    ["Small Narrowbodies", "Insurance (000)", "7483.00", "5449.00", "4200.00"],
    [
        "Small Narrowbodies",
        "Other (inc. Tax) (000)",
        "60290.00",
        "103126.00",
        "97575.00",
    ],
]

df = pd.DataFrame(d, columns=["Body_Type", "Spending", "1995", "1996", "1997"])

df2 = df.set_index(["Body_Type", "Spending"])

df3 = df2.transpose().unstack(level=-1).reset_index()

df3.columns = ["Body_Type", "Spending", "Year", "Amount"]

df4 = df3.pivot_table(
    index["Body_Type", "Year"], columns="Spending", values="Amount", aggfunc=np.sum)

这更像是

df=df.unstack(level=0).stack(level=0)

---

请不要在@Tapaskumarhamanta发布图片…转置并没有什么荒谬之处，它是在转置两个级别的索引。您能提供一些示例数据吗@DataNearoor我能在这里上传文件吗？您可以将数据框重新创建为代码，也可以共享它的文本示例。@DataNearoor我已经用可复制的代码更新了帖子。这会引发此错误“索引包含重复条目，无法重塑”@Tapaskumarhanta df.stack（）如何。取消堆栈（级别=1）不，也不行。我希望df.unstack（level=-1）和stack（level=1）可以工作。没有。我认为，当我们删除“支出”时，主体类型在许多行中变得常见，所以它不是唯一的，所以不能用作索引？如果我们能在不拆垛的情况下进行交换，这可能会奏效。